数据治理之“财务一张表”

news2024/11/18 0:22:57

前言
信息技术的发展,伴随企业业务系统的纷纷建设,提升业务处理效率的同时,也将企业的整体主价值链流程分成了一段一段的业务子流程,很多情况下存在数据上报延迟、业务协作不顺畅、计划反馈不及时、库存积压占资多……都可以从数据入手去解决。

  • 关注数据的产生与打通,打通的是什么?是业务流程;
  • 开展数据的清洁与贯通,贯通的是什么?是业务流程;
  • 基于数据的信息流的贯通,是企业业务状态透明可视的基础工作。

“财务一张表”场景

在当今竞争激烈的商业环境中,企业成功的关键在于对运营数据的深刻理解和及时应对。

xx集团总部正是基于这一深刻理解,倾力打造了一套运营监控系统,致力于全面、实时且精准地收集并追踪集团下属二级子集团单位的各项运营指标及重大项目进程,以期真正落实“数据驱动管理、决策与创新”的理念,有效提升整体运营表现。

其中,财务板块作为集团运营分析中重要的一部分,作为xx集团总部的管控重点,需要下属二级子集团给xx集团总部上报“财务七阶段”数据,分别为预付款、设计款、进度款、到货款、安装款、投运款、质保款。

数据治理

二级子集团也需要收集三级成员单位的财务数据,由二级子集团整理为“一张表”后上报给XX集团总部。

数据治理

“财务一张表”怎么收集数据

xx集团总部需要收集下属5个子集团的财务七阶段数据,每个子集团下属仍有几十家三级成员单位,涉及到从各自的三级成员单位财务部、营销部收集相关明细数据。
目前集团“财务一张表”的数据收集与上报流程,如下图所示:
数据治理

数据收集包括系统填报和线下收集两种,存在以下问题:

问题一:不同部门重复录入的数据存在不一致,需要线下对比,整合

七个阶段的数据填写涉及成员单位的不同部门:市场部负责填写阶段1数据,项目管理部负责填写阶段2数据,……,财务部负责填写阶段7数据。所有阶段中均存在基础信息字段(合同号、工程号、项目名称等),财务部门与市场部门均对基础信息字段进行了维护,存在基础数据不一致问题。

数据治理

问题二:数据质量差,在不规范数据的核查、更改上耗费精力较多

基础信息数据通过多部门人工填写,填写内容未进行约束,导致数据不一致问题频发,存在大量人工核查数据质量的工作量,数据上报效率低下。例如:组织架构、项目等主数据填写不一致、不规范的问题频繁出现。
数据治理

  • 组织基础数据:存在行政组织名称中英文括号混用,名称手动填写“有限公司”、“责任公司”等,不规范数据占比15%。导致无法归集到xx集团总部已有的组织统计维度中,致使上报不成功,被打回重填。
  • 合同基础数据:①合同号存在未填写、汉字等问题,不规范数据占比约5%;②合同签订日期格式不规范。在通过合同号查找之前的累计开票金额时,为空及不规范的情况将直接导致xx集团总部在关联数据时出错,致使统计结果不准确。

问题三:数据填报不及时,影响收集时效性,每月将耗费一周才能完成数据整合
数据填报涉及多家子集团的多家三级成员单位的财务部、营销部、项目管理部等,由于线下邮件方式收集,填报状态及进展不透明,常常三级成员单位填报不及时影响二级子集团给xx集团的最终上报时间,影响集团总部给二级单位的评价。

如何获取“财务一张表”数据

为解决二级子集团、三级成员单位在财务七阶段数据上报中存在的问题,改进目前填报流程,如下图所示:
数据治理

  1. 打通财务七阶段的“一张表”建立

将分散的七个阶段报表进行合并,形成财务七阶段一张表,彻底规避基础信息数据重复录入问题。
数据治理

  1. 基于填报平台内置质量校验规则

每个二级子集团建立专门的组织,制定管理制度和绩效考核,确保主数据的准确性和一致性。

统一数据填写标准,确保16个关键字段的准确性和一致性,并对组织、项目类主数据制定了详尽的标准体系,涵盖了属性标准、编码规则、数据字典以及数据质量判定准则等。并将枚举值嵌入到填报平台中,完成了内置16项业务数据填报验证规则,确保数据在源头规范化处理。
数据治理

  1. 填报平台内置了从子集团到三级成员单位的填报流程

梳理各子集团中三级成员单位针对“财务一张表”的填报部门与人员,在填报平台中固化填报流程,串联各部门间的协同作业,让数据填报及确认按照内嵌的流程开展,各部门协同更加高效。同时,“财务一张表”全部实现线上化填报,全面提升了企业数据填报质量与效率。

“财务一张表”的建设成效

数据治理

如今,通过将分散的七阶段报表合并形成七阶段“一张表”,对于使用该数据的xx集团总部来说保证了数据的完整性、准确性及及时性,这些改革措施也带来了显著的成果。

方案实施后,数据上报的成功率由原先的40%提升至90.3%,数据上报效率由原先的一周缩短到现在的一天,既方便又准确地获取到了子集团的财务运营数据,辅助集团开展决策。与此同时,子集团也率先拉通三级成员单位策划并成立了基础数据专项治理工作组,开展了子集团管控三级成员单位的各项经营数据所依赖的基础数据治理。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1949338.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

20240725java的Controller、DAO、DO、Mapper、Service层、反射、AOP注解等内容的学习

在Java开发中,‌controller、‌dao、‌do、‌mapper等概念通常与MVC(‌Model-View-Controller)‌架构和分层设计相关。‌这些概念各自承担着不同的职责,‌共同协作以构建和运行一个应用程序。‌以下是这些概念的解释:‌…

深度学习趋同性的量化探索:以多模态学习与联合嵌入为例

深度学习趋同性的量化探索:以多模态学习与联合嵌入为例 参考文献 据说是2024年最好的人工智能论文,是否有划时代的意义? [2405.07987] The Platonic Representation Hypothesis (arxiv.org) ​arxiv.org/abs/2405.07987 趋同性的量化表达 …

OAK相机支持的图像传感器有哪些?

相机支持的传感器 在 RVC2 上,固件必须具有传感器配置才能支持给定的相机传感器。目前,我们支持下面列出的相机传感器的开箱即用(固件中)传感器配置。 名称 分辨率 传感器类型 尺寸 最大 帧率 IMX378 40563040 彩色 1/2.…

产品经理-简历的筛选标准(22)

什么是简历 简要地描述过往的经历—一份简历的核心要素就是介绍你所经历过的事情 因此准备简历的关键是“简”“要”二字: 一方面是你挑选出来的事情,一定是重要的、能给予你所谋求的位置提供竞争力的事情;另一方面是在描述这件事情的时候 要…

《Java初阶数据结构》----6.<优先级队列之PriorityQueue底层:堆>

前言 大家好,我目前在学习java。之前也学了一段时间,但是没有发布博客。时间过的真的很快。我会利用好这个暑假,来复习之前学过的内容,并整理好之前写过的博客进行发布。如果博客中有错误或者没有读懂的地方。热烈欢迎大家在评论区…

Golang | Leetcode Golang题解之第290题单词规律

题目: 题解: func wordPattern(pattern string, s string) bool {word2ch : map[string]byte{}ch2word : map[byte]string{}words : strings.Split(s, " ")if len(pattern) ! len(words) {return false}for i, word : range words {ch : patt…

【Python实战因果推断】56_因果推理概论6

目录 Causal Quantities: An Example Bias Causal Quantities: An Example 让我们看看在我们的商业问题中,你如何定义这些量。首先,你要注意到,你永远无法知道价格削减(即促销活动)对某个特定商家的确切影响&#xf…

算法 定长按组翻转链表

一、题目 已知一个链表的头部head,每k个结点为一组,按组翻转。要求返回翻转后的头部 k是一个正整数,它的值小于等于链表长度。如果节点总数不是k的整数倍,则剩余的结点保留原来的顺序。示例如下: (要求不…

数据集成工具之kettle

Kettle 是一个用于数据集成的开源工具,由 Pentaho 开发,现已由 Hitachi Vantara 维护。Kettle 的全名是 Pentaho Data Integration (PDI),主要用于数据提取、转换和加载(ETL)过程。 1. 核心组件 Spoon: 图形化的设计工…

【MetaGPT系列】【MetaGPT完全实践宝典——多智能体实践】

目录 前言一、智能体1-1、Agent概述1-2、Agent与ChatGPT的区别 二、多智能体框架MetaGPT2-1、安装&配置2-2、使用已有的Agent(ProductManager)2-3、多智能体系统介绍2-4、多智能体案例分析2-4-1、构建智能体团队2-4-2、动作/行为 定义2-4-3、角色/智…

mysql面试(六)

前言 本章节详细讲解了一下mysql执行计划相关的属性释义,以及不同sql所出现的不同效果 执行计划 一条查询语句经过mysql查询优化器的各种基于成本和各种规则优化之后,会生成一个所谓的 执行计划,这个执行计划展示了这条查询语句具体查询方…

Qt自定义MessageToast

效果&#xff1a; 文字长度自适应&#xff0c;自动居中到parent&#xff0c;会透明渐变消失。 CustomToast::MessageToast(QS("最多添加50张图片"),this);1. CustomToast.h #pragma once#include <QFrame>class CustomToast : public QFrame {Q_OBJECT pub…

广义线性模型(2)线性回归

线性回归算法应该是大多数人机器学习之路上的第一站&#xff0c;因为线性回归算法原理简单清晰&#xff0c;但却囊括了拟合、优化等等经典的机器学习思想。 说到线性回归&#xff0c;我们得先说说回归与分类、线性与非线性这些概念的区别。 一 分类与回归的区别 机器学习中的…

【虚拟机】Windows(x86)上部署ARM虚拟机(Ubuntu)

【虚拟机】Windows&#xff08;x86&#xff09;上部署ARM虚拟机&#xff08;Ubuntu&#xff09; 零、起因 最近在学嵌入式&#xff0c;这就不得不涉及ARM指令集&#xff0c;但是电脑是x86指令集的&#xff0c;用手机不太方便&#xff0c;买开发板又要等几天……&#xff0c;总…

商场导航系统:从电子地图到AR导航,提升顾客体验与运营效率的智能解决方案

商场是集娱乐、休闲、社交于一体的综合性消费空间&#xff0c;随着商场规模的不断扩大和布局的日益复杂&#xff0c;顾客在享受丰富选择的同时&#xff0c;也面临着寻路难、店铺曝光率低以及商场管理效率低下等挑战。商场导航系统作为提升购物体验的关键因素&#xff0c;其重要…

springcloud RocketMQ 客户端是怎么走到消费业务逻辑的 - debug step by step

springcloud RocketMQ &#xff0c;一个mq消息发送后&#xff0c;客户端是怎么一步步拿到消息去消费的&#xff1f;我们要从代码层面探究这个问题。 找的流程图&#xff0c;有待考究。 以下我们开始debug&#xff1a; 拉取数据的线程&#xff1a; PullMessageService.java 本…

【无标KaiwuDB CTO 魏可伟:差异化创新,面向行业的多模架构题】

2024年7月16日&#xff0c;KaiwuDB CTO 魏可伟受邀于 2024 可信数据库发展大会主论坛发表演讲《多模一库 —— KaiwuDB 的现代数据库架构探索》&#xff0c;以下是演讲精华实录。 多模数据库 是顺应时代发展与融合趋势的产物 数据模型最早始于网状模型和层次模型&#xff0c;…

删除的视频怎样才能恢复?详尽指南

在日常生活中&#xff0c;我们有时会不小心删除一些重要的视频文件&#xff0c;或者在整理存储空间时不慎丢失了珍贵的记忆片段。这时候&#xff0c;我们可以通过一些数据恢复工具和技巧&#xff0c;找回这些被删除的视频。本文将详细介绍几种常见且有效的视频恢复方法&#xf…

升腾c92安装ubuntu20.04 server(二)

一、本人使用大白菜制作的U盘安装ubuntu服务出现了如下错误 通过晚上查询知道&#xff0c;出现unable to find a medium containing a live file system 是因为U盘和升腾c92的u口不匹配导致&#xff0c;解决方案如下&#xff1a; 一、安装软碟通 在安装完软碟通之后&#xf…

git 版本回退-idea

1、选中项目&#xff0c;右键&#xff0c;打开 git历史提交记录 2、选中想要回退的版本&#xff0c;选择 hard&#xff08;不保留版本记录&#xff09; 3、最终选择强制提交&#xff08;必须强制&#xff09; OK&#xff0c;搞定